本文先介绍4种生成式模型的基本概念与应用 后续文章会对每个模型具体分析
欢迎关注后续文章
感谢点赞关注
1. 生成模型的概念
生成模型的核心目标是：学习数据分布，并从中采样生成新的样本。
如果数据记为 x ，生成模型学习的是：
p(x)：无条件生成 p(x∣c)：条件生成
输出不是唯一答案，而是一个分布 能通过 sampling （从分布中采样）生成多个合理结果 特别适合处理一对多、多模态问题
应用场景：图像生成 轨迹生成 抓取姿态生成 机器人动作生成
与传统回归的区别
传统回归常用 MSE，但在生成任务中，一个输入往往对应多个合理输出。如果直接做回归，模型容易输出 “平均结果”，导致结果模糊、不自然，甚至不可执行。
因此，生成模型更关注：
样本是否真实
是否具有多样性
是否符合真实数据分布
2. 生成模型的方法
（1）GAIL
GAIL（生成对抗模仿学习）把模仿学习写成一个类似 GAN 的对抗过程。
目标不是直接回归专家动作，而是让智能体生成的状态 - 动作分布尽量接近专家演示数据。
它包含两部分：
策略 π ：根据状态输出动作，负责生成行为
判别器 D ：判断某个状态 - 动作对来自专家还是来自当前策略
工作过程 判别器学习区分：“这是专家的行为” 还是 “这是智能体生成的行为” 策略则不断更新，试图产生更像专家的行为去骗过判别器 最终，策略生成的轨迹分布接近专家轨迹分布
直观理解 GAN 是生成 “假图片” 去骗判别器；GAIL 是生成 “假专家行为” 去骗判别器。
优点 不需要显式恢复奖励函数 适合从专家演示中直接学习行为分布 能学到比简单行为克隆更长时序、更符合整体轨迹分布的策略
缺点 训练复杂，涉及对抗训练 + 强化学习 样本效率通常较低 训练稳定性不如纯监督学习方法
应用 机器人模仿学习 轨迹生成 控制策略学习
（2）VAE
VAE（变分自编码器）是一种概率生成模型，通过学习隐变量分布来生成数据。
主要包括两部分：
编码器：把输入 x 编码为一个隐变量分布，通常输出均值和方差 解码器：从隐变量 z 中重建或生成数据 即： z∼N(μ,σ2)
这说明 VAE 学到的不是一个固定表示，而是一个概率分布表示。
核心思想 把复杂的数据变到一个较低维、连续的隐空间中。在这个隐空间里，相近的点对应相似的数据。因此可以通过从隐空间采样，再经过解码器生成新样本。
训练目标 VAE 的损失通常由两部分组成：
重建损失：保证生成结果尽量接近原始数据 KL 散度：约束隐变量分布接近标准高斯分布
这样可以保证：
隐空间比较规整 采样和插值都更方便
优点 训练稳定 有明确概率解释 隐空间连续，适合做条件生成、插值和多样化采样
缺点 生成结果有时较平滑、较模糊 细节质量通常不如强对抗模型或扩散模型
应用 图像生成 动作 / 轨迹生成 抓取姿态生成 潜变量建模
（3）ACT
ACT (Action Chunking Transformer) 是一种面向机器人操作的生成式策略学习方法，核心思想是：不只预测单步动作，而是一次生成一段连续动作（action chunk）。
传统策略常常根据当前观测只输出一步动作，
缺点：
对误差敏感 动作不连续 长时任务中累积误差较大
ACT 的做法是：
输入当前观测（如图像、机器人状态），一次预测未来若干步动作序列，再执行其中的一部分或滚动更新，也就是说，它把动作生成看成一个序列生成问题。
为什么属于生成式方法 对于同一个任务状态，往往存在多种合理动作序列。ACT 不再只做单点回归，而是学习动作序列分布，从而更适合处理多模态操作行为。
ACT 通常结合：
Transformer：建模长时序依赖关系 chunking：把多个连续动作打包预测 有时还会结合 VAE latent 来表示动作风格或动作模式，从而提升多样性和鲁棒性
优点 能更好建模长时序动作 生成的动作更平滑、更连贯 在机器人模仿学习和操作任务中效果较好 比单步行为克隆更适合复杂操作任务
缺点 需要较多演示数据 对训练数据质量较敏感 如果完全用回归训练，多样性建模能力可能有限，因此常与 latent variable 方法 结合
应用 机械臂操作 模仿学习 长时序任务执行 视觉条件动作生成
（4）扩散模型
扩散模型（Diffusion Model）的核心思想是：先把真实数据逐步加噪，再学习如何从噪声逐步恢复出数据。
正向过程：加噪 从真实样本出发，经过很多步逐渐加入高斯噪声，最后把数据变成接近纯噪声。
即：
开始时是真实数据 一步步加入小噪声 最后变成随机噪声
逆向过程：去噪生成 训练一个模型学习每一步如何去掉噪声。
生成时：
从随机噪声开始 按照模型一步步去噪 最终生成一个新样本 因此扩散模型本质上是一个 “噪声到数据” 的生成过程。
对于每一步，模型只需要解决一个相对简单的去噪问题，因此训练通常比较稳定，也容易得到高质量样本。
优点 生成质量高，细节丰富 训练比 GAN 更稳定 很适合条件生成，如图像生成、轨迹生成、动作生成
缺点 采样较慢，需要多步迭代 计算成本较高
应用 图像生成 视频生成 轨迹规划 机器人动作生成 抓取姿态生成
GAIL：通过对抗训练学习接近专家的行为分布，适合模仿学习 VAE：通过隐变量分布建模数据，训练稳定，适合多样化生成 ACT：把动作看成序列，一次生成一段动作，适合机器人长时任务 扩散模型：通过逐步去噪生成样本，质量高但速度较慢
